شاخص گذاری بر روی تصاویر با استفاده از هیستوگرام رنگ،الگوی باینری محلی و موجکهای گابور

در این مقاله، رویکرد جدیدی برای بازیابی محتوامحور تصاویر ارایهشده است. روش پیشنهادی از هیستوگرام در فضای رنگ HSV و یک ویژگی بر مبنای بافت با استفاده از الگوی باینری محلی استفاده میکند.همچنین با استفاده از ویژگی آماریرنگ مربوط به کانال های مختلف در نقاط لبهی اصلی تصویر و استفاده از فیلتر گابور دقت بازیابی تصاویر بهصورت چشمگیری افزایش می یابد. دلیل استفاده از فضای رنگ HSV بهجای فضای RGB ، نزدیکتر بودن آن به ادراک انساناست. جهت تشکیل هیستوگرام رنگ در فضای HSV ، به دلیل اهمیتی که فضای H نسبت به سایر مولفهها دارد، این مولفه به 8 بازه و دو مولفه دیگر هرکدام به 2 بازه کوانتیزه میشوند. پس از استخراج ویژگی از فاصله کانبرا برای ویژگی هیستوگرام و ویژگیهای آماری رنگ مربوط به کانالهای مختلف تصویر در نقاط لبهی اصلی تصویر و از فاصله اقلیدسیبرای ویژگیهای حاصل از فیلتر گابور بهعنوان معیار تطابق استفاده میشود .فاصله کانبرا در ارزیابی شباهت برای بردارهایی که صفرهای زیادی دارند بهتر عمل میکند. بر اساس آزمایشهای انجامشده روی پایگاه داده Corel-1k که شامل 1000 تصویر در 10 کلاس معنایی میباشد؛ دقت بازیابی نسبت به کارهای مشابه و محبوب پیشین بهبود یافته است

کلیدواژه ها:

بازیابی مبتنی بر محتوا ، موجک گابور ، الگوهای باینری محلی ، لبه تصویر ، فضای رنگ HSV ، فاصله ی کانبرا ، فاصله ی اقلیدسی